본 연구에서는 부산신항에서 스크러버를 장착한 선박이 세정수를 배출하였을 때 인근 해역에 미치는 영향을 검토하기 위해 확산예측을 수행하였다. 세정수에 포함된 용존무기탄소(DIC)의 농도를 통제한 채로 세정수의 pH 조건별로 해역에 미치는 영향을 대조기 와 소조기로 나누어 평가하였다. 선박 1대에서 24시간 동안 세정수를 배출할 때, pH가 최대 0.076, 0.083 감소하였다. DIC의 경우 0.561mg/L, 0.612mg/L 증가하였다. 부산신항에 수용가능한 선박수인 24대를 전부 가정하여 실험하였을 경우 pH는 0.200, 0.545 감소하였고, DIC는 1.464mg/L, 3.629mg/L 증가하였다. 일반적으로 스크러버가 세정수를 처리하였을 때 pH 6.1인 것을 감안하여 선박 1대에서 pH 6.1인 조건으 로 24시간 동안 세정수를 배출하는 경우 우리나라 연근해의 연간 pH 변화량보다 약 33.7배 더 큰 폭으로 감소하는 것으로 계산되었다. 선 박이 24대일 경우에는 하루이상 표층의 성층화를 유발하고 수심 4m까지 영향을 주는 것으로 예측되었다.

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure’s safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

환경보전계획가들은 멸종위기에 처한 동식물이나 이들의 생물서식지를 보호 및 관리하기 위하여 많은 노력을 기울이고 있으며, 종분포 및 확산모형(Species distribution model & Landscape dynamic model)은 이러한 도구로 많이 이용되고 있다. 현재 서식지 보전 및 생물다양성 실행계획을 세우기 위해 최적의 종분포 및 확산모형을 찾기 위한 다양한 접근방법들이 시도되고 있으며, 최근에는 통계모형 에 기반한 종분포모형들과 프로세스기반의 동적모형들이 많이 개발되어 다양한 자료 형태 및 분류군에 따른 분포연구들이 활발히 진행되고 있다. 이러한 종분포 및 확산모형은 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원 등과 같은 자연 자원 관리 및 보전계획 등에 다양하게 이용되고 있으며, 특히 종이나 개체군, 종풍 부도에 대한 지리적 분포나 개체군의 속성을 파악하여 보호가 우선되어야 할 지역 이나 현재 또는 중장기적으로 위협이 될 만한 지역을 찾아내 보호지역을 설계하는 데 중요한 정보를 제공한다.

기초자료의 획득 체계 및 가공 체계의 부재와 복잡한 사용자 입력 체계로 인해서 유출유 확산 예측 모델의 활용에 제약이 따른다. 이러한 상황에서 유류오염사고에 신속하게 대응하기 위한 과학적 방제 전략 수립은 어렵다. 본 연구에서는 현재 실정을 고려하여 유출유 확산 예측 모델 구동을 위한 최선의 상시 활용 체계를 수립하였다. 모든 기초자료를 직접 구축하고 관리하는 것이 불가능하기 때문에 외부 기관의 실시간 동적 자료를 연계하고 최소한의 데이터베이스만을 직접 구축하여 실시간 유출유 확산 예측의 상시 활용이 가능함을 확인하였다. 또한 사용자와 모델간 인터페이스부분에서 발생하는 오류를 최소화하는 사용자 입력 인터페이스와 모델 연산 결과를 시공간 측면에서 다차원적으로 분석할 수 있는 결과 표출 인터페이스를 제안하였다. 본 연구 결과로 구축된 유출유 확산 예측 모델의 상시 운용 체계는 외부 자료에 의존하기 때문에 모델 결과의 불확실성이 존재하지만, 유류오염사고 발생시 신속하게 모델을 구동하여 유출유 확산 예측을 수행할 수 있다는 측면에서 실제 방제 현장에서 의미있게 활용될 수 있다.

We will calculate concentration of air pollutants using ISCST3, FDM and AERMOD of models recommended in U. S. EPA which are able to predict concentration of short term for point source, complex like industrial complex, power plant and burn-up institution. Before executing model, as analyzing computational result of many cases according to selecting of input data, we will increasing predictable ability of model in limit range of model. Especially, we analyzed three cases - case of considering various emission rate according to time scale and not, case considering effect of atmospheric pollution materials removed by physical process. In our study, after comparing and analyzing results of three model, we choose the atmospheric dispersion model reflected well the characteristic of the area. And we will investigate how large the complex pollutant sources such as industrial complex contribute to atmospheric environment and air quality of the surrounding the area as predicting and estimating chosen model.